XÂY DỰNG NỀN TẢNG WEB NGOẠI TUYẾN TÍCH HỢP OLLAMA HỖ TRỢ ĐÀO TẠO NỘI BỘ BẢO MẬT TRONG TỔ CHỨC VÀ DOANH NGHIỆP
Từ khóa
DOI:
https://doi.org/10.34238/tnu-jst.15182Tóm tắt
Nghiên cứu này đề xuất xây dựng một nền tảng web ngoại tuyến hoạt động trong mạng nội bộ nhằm hỗ trợ giảng dạy và đào tạo nội bộ trong các tổ chức có yêu cầu cao về bảo mật dữ liệu. Hệ thống tích hợp mô hình ngôn ngữ lớn (LLM) triển khai cục bộ thông qua nền tảng Ollama, kết hợp với cơ sở tri thức nội bộ nhằm nâng cao độ chính xác và tính phù hợp của kết quả đầu ra. Ba chức năng chính của hệ thống bao gồm: (i) sinh câu hỏi trắc nghiệm tự động từ tài liệu đào tạo, (ii) tạo bài giảng dạng slide, và (iii) chatbot hỗ trợ tra cứu tri thức. Nghiên cứu được thực hiện theo hướng tiếp cận thiết kế – phát triển kết hợp với đánh giá thực nghiệm và khảo sát người dùng. Kết quả cho thấy hệ thống đạt độ chính xác từ 82% đến 92%, thời gian phản hồi phù hợp trong môi trường triển khai cục bộ, đồng thời giúp giảm từ 40–60% thời gian chuẩn bị bài giảng. Kết quả nghiên cứu khẳng định tính khả thi của việc triển khai AI ngoại tuyến trong môi trường bảo mật cao và mở ra hướng ứng dụng hiệu quả trong đào tạo nội bộ tại các cơ quan, doanh nghiệp.Lượt tải
Tài liệu tham khảo
A. Agarwal, M. P. Sebastian, and S. Krishnan, “Understanding GenAI teammates in the workplace: A sensemaking and sensegiving analysis of user reviews,” Information Systems Frontiers, 2026, doi: 10.1007/s10796-025-10672-5.
J. Kaddour, J. Harris, M. Mozes, H. Bradley, R. Raileanu, and R. McHardy, “Challenges and applications of large language models,” arXiv preprint arXiv:2307.10169, 2023, doi: 10.48550/arXiv.2307.10169.
H. Pu and Y. Hua, “Adaptive course recommendation using federated learning and graph convolutional networks in IoT-enhanced e-learning,” Scientific Reports, vol. 15, 2025, Art. no. 42040, doi: 10.1038/s41598-025-42040-0.
L. Yan, L. Sha, L. Zhao, Y. Li, R. Martinez-Maldonado, G. Chen, X. Li, Y. Jin, and D. Gašević, “Practical and ethical challenges of large language models in education: A systematic scoping review,” arXiv preprint arXiv:2303.13379, 2023, doi: 10.48550/arXiv.2303.13379.
E. Kasneci et al., “ChatGPT for good? On opportunities and challenges of large language models for education,” npj Science of Learning, vol. 8, no. 1, 2023, doi: 10.1038/s41539-023-00172-3.
V. Koniakou, “From the ‘rush to ethics’ to the ‘race for governance’ in Artificial Intelligence,” Information Systems Frontiers, vol. 25, pp. 71-102, 2023, doi: 10.1007/s10796-021-10164-5.
A. Wada, Y. Tanaka, M. Nishizawa, et al., “Retrieval-augmented generation elevates local LLM quality in radiology contrast media consultation,” npj Digital Medicine, vol. 8, 2025, Art. no. 395, doi: 10.1038/s41746-025-01802-z.
Z. Li, Z. Wang, W. Wang, K. Hung, H. Xie, and F. L. Wang, “Retrieval-augmented generation for educational application: A systematic survey,” Computers and Education: Artificial Intelligence, vol. 8, 2025, Art. no. 100417, doi: 10.1016/j.caeai.2025.100417.
J. Xu, H. Zhang, X. Zhou, Y. Yang, R. Mao, X. Li, et al., “Automated detection of affected libraries from vulnerability reports,” Automated Software Engineering, vol. 32, 2025, Art. no. 73, doi: 10.1007/s10515-025-00473-6.
H. Wang, C. Gao, C. Dantona, B. Hull, and J. Sun, “DRG-LLaMA: Tuning LLaMA model to predict diagnosis-related group for hospitalized patients,” npj Digital Medicine, vol. 7, 2024, Art. no. 16, doi: 10.1038/s41746-024-00916-5.
R. V. Barenji, N. Salimi, and S. Khoshgoftar, “An LLM-powered assessment system using retrieval-augmented generation for higher education,” arXiv preprint arXiv:2601.06141, 2026, doi: 10.48550/arXiv.2601.06141.
I. Taj, S. W. Dadi, A. S. Wazan, R. Laborde, and A. Shoufan, “CheatGuard: A cybersecurity inspired anti-cheating platform for higher education,” Education and Information Technologies, vol. 30, pp. 23729-23759, 2025, doi: 10.1007/s10639-024-12578-4.
A. R. Asadi, Y. Zhang, and H. Said, “What do personas say about privacy & security: A systematic literature review through human-AI collaboration,” Journal of Ambient Intelligence and Humanized Computing, vol. 16, pp. 1175-1190, 2025, doi: 10.1007/s12652-024-04834-2.
